随着计算机技术的高速发展以及互联网带宽的扩展,音频、数字图像、视频等媒体流的传播变得愈发容易。其中,数字图像在各个领域都得到了广泛的使用,如医疗、科教、新闻等。然而,随着图像编辑软件功能的日益强大,任何人都可以轻松地对图像进行编辑篡改。一些恶意篡改后的图片在网络上流传,可能起到散布谣言,败坏他人名誉和影响社会安定等不良作用。本文主要对图像编辑操作中最常用的USM(unsharp mask)锐化造成的篡改进行检测。图像锐化是一种将图像边缘过滤出来,叠加在原图上的操作。早期研究表明,锐化会为图像带来过冲效应,使图片边缘部分出现波动。锐化检测的方法分为两大类,一类是对过冲效应建模求解,另一类是采用图像纹理特征LBP和EPBC等对图像统计分析,这两类方法都提取了人为设计的特征。本文主要采用了一种利用稀疏编码自动提取特征的锐化检测算法,并且分析了它的优缺点。主要流程是先提取图像边缘点,然后切割以边缘点为中心的小块,做归一化和差分的操作,将每个小块变成向量。制作稀疏字典采用了K-SVD与LC-KSVD两种方法,之后以该字典为基提取每个边缘小块的稀疏系数作为特征。为了对稀疏编码提取的高维数据进行不影响特征的降维,本文采用了最大池化的方法。降维后的特征使用SVM分类器进行训练分类,得到了较高的准确率。实验表明,本文算法在锐化强度较小的时候检测精度提升较为明显,能够达到6%。